Mineria De Datos

MINERIA DE DATOS
La minería de datos es una colección cada vez mayor de técnicas computacionales para el análisis automático de datos estructurados, semi-estructurados y no estructurados con el fin de identificar las tendencias importantes y pautas de comportamiento hasta ahora desconocidas. La minería de datos es ampliamente reconocida como la tecnología más importante y central para laseguridad nacional en general y para la guerra cibernética, en particular. Este capítulo abarca los siguientes aspectos relevantes de la minería de datos:

-Minería web es la aplicación de técnicas de minería de datos a la web basados ​​en los datos. Si bien la minería de uso Web ya es utilizada por muchos de los sistemas de detección de intrusos, la minería de contenido Web puede conducir a laidentificación automatizada de terroristas relacionados con el contenido en la Web.

-Información web sobre los agentes son responsables de filtrar y organizar los datos inconexos y dispersos en grandes cantidades de documentos web. Los agentes representan una tecnología clave para la guerra cibernética debido a su capacidad para monitorear múltiples localizaciones diversas, comunicar sushallazgos de forma asincrónica, colaborar unos con otros, y las amenazas posibles perfil.

INTROCUCCION

La minería de datos (DM) es una colección cada vez mayor de técnicas computacionales para el análisis automático de datos estructurados, semi-estructurados y no estructurados con el fin de identificar los diversos tipos de patrones de comportamiento hasta ahora desconocidas. De acuerdocon Mena (2004), minería de datos es ampliamente reconocida como la tecnología más importante y central para la seguridad nacional en general y para la guerra cibernética, en particular. Este campo relativamente nuevo surgido a principios de la década de 1990 como una combinación de métodos y algoritmos de las estadísticas, reconocimiento de patrones y aprendizaje automático.

La diferencia entre la minería dedatos y descubrimiento de conocimiento en bases de datos (KDD) se define por la siguiente: la extracción de datos se refiere a la aplicación de algoritmos de extracción de patrones de datos, mientras que KDD es el proceso general de "identificación de nuevos válida, potencialmente útiles, y en última instancia, los patrones comprensibles en los datos" (Fayyad, Piatetsky-Shapiro y Smyth , 1996,p. 6).El proceso de KDD completo incluye etapas tales como la selección de datos, limpieza de datos y pre-procesamiento, reducción y transformación de datos;
la elección de las tareas de minería de datos, métodos y herramientas, la minería de datos (la búsqueda de patrones de interés máximo), la interpretación de los resultados de minería de datos, y la acción en el conocimiento descubierto.Antecedentes

Decenas de técnicas computacionales relacionados con las distintas tareas de minería de datos surgieron en los últimos 15 años. Ejemplos seleccionados de algunas de las tareas comunes de minería de datos y algoritmos se describen brevemente.

Asociación de reglas: la minería de reglas de asociación se dirige a la búsqueda de asociación interesante, o de la correlación entre ungran conjunto de elementos de datos (Han y Kamber, 2001). Los patrones extraídos (reglas de asociación) por lo general tienen la forma "si el evento ocurre X, entonces
Y es caso probable. "Eventos X e Y pueden representar a los artículos comprados en una transacción de compra, documentos vistos en una sesión de usuario, los síntomas médicos de un paciente determinado, y muchos otrosfenómenos registrados en una base de datos con el tiempo. Reglas extraídas son evaluados por dos parámetros principales: el apoyo, que es la probabilidad de que una transacción contiene X e Y y la confianza, que es la probabilidad condicional de que una transacción con X también contiene algoritmos Y.escalables, tales como Apriori (Srikant y Agrawal , 1996), se han desarrollado para laminería de reglas de...